【论文笔记】Towards Accurate Scene Text Recognition with Semantic Resoning Networks(SRN)

原创

已于 2022-05-31 23:37:14 修改 · 716 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #人工智能 #自然语言处理

于 2022-05-31 23:34:05 首次发布

文章目录

Towards Accurate Scene Text Recognition with Semantic Resoning Networks
基本信息
摘要
模型结构
实验
总结

Towards Accurate Scene Text Recognition with Semantic Resoning Networks

基本信息

论文链接：arxiv
发表时间：2021 - CVPR
应用场景：场景文字识别

摘要

存在什么问题	解决了什么问题
1. 之前的场景文字识别模型在视觉信息上的挖掘是比较充分的，但是对于语义信息的使用考虑较少。 2. 过往的模型中用到语义信息的大都使用了RNN结构，但是它有着天然的缺陷：不能并行解码、并且其上下文语义是单路的（要么来自于上一个字符，要么来自于下一个字符），限制了计算效率与信息的有效传播、这期间还会有无用语义信息以及错误语义信息的传播，效果不尽如人意。	1. 提出了SRN网络，该网络中的GSRM模块能够将全局语义信息通过多路并行传播，进而对上下文语义进行充分的探索，使得SRN在regular以及irregular dataset上达到多个SOTA。

存在什么问题

解决了什么问题

1. 之前的场景文字识别模型在视觉信息上的挖掘是比较充分的，但是对于语义信息的使用考虑较少。
2. 过往的模型中用到语义信息的大都使用了RNN结构，但是它有着天然的缺陷：不能并行解码、并且其上下文语义是单路的（要么来自于上一个字符，要么来自于下一个字符），限制了计算效率与信息的有效传播、这期间还会有无用语义信息以及错误语义信息的传播，效果不尽如人意。

1. 提出了SRN网络，该网络中的GSRM模块能够将全局语义信息通过多路并行传播，进而对上下文语义进行充分的探索，使得SRN在regular以及irregular dataset上达到多个SOTA。